基于MS-DeepLabV3+的街景语义分割及城市多维特征识别
Semantic Segmentation of Street View and Multi-dimensional Feature Identification of City Based on MS-DeepLabV3+作者机构:山东科技大学测绘与空间信息学院山东青岛266590
出 版 物:《武汉大学学报(信息科学版)》 (Geomatics and Information Science of Wuhan University)
年 卷 期:2024年第49卷第3期
页 面:343-354页
核心收录:
学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术]
主 题:街景影像 MS-DeepLabV3+模型 语义分割 多维特征向量 归因分析
摘 要:传统城市特征识别采用空间和统计方法提取分析指标,特征评价指标主观性较大。街景影像包含城市视觉信息,可以进行城市特征识别。以中国青岛市为例,构建面向街景的多尺度语义分割模型MS-DeepLabV3+。在编码区增加全特征提取通道聚合多尺度特征;在解码区增加多尺度特征提取通道,有效捕捉低层次特征;引入注意力机制模块和通道注意力,聚焦关键特征,提高街景语义分割的准确性,模型平均交并比、精确率和召回率分别提高了3.47%、2.37%和3.96%。在地块尺度上,从6个维度建立了城市多维特征向量,即环境维度、设施便利维度、经济富裕度、交通维度、城市安全维度和城市综合度,结合兴趣点数据和居住用地数据,以表征青岛市各城区的城市特征。使用Grad-CAM方法对语义分割模型进行可解释分析,采用特征归因SHAP方法挖掘了城市多维特征的内在驱动因素。结果发现,不同城区具有不同的特征向量,不同城区的特征向量具有在特定维度上的优势。研究结果有助于优化城市空间中多维度特征,为城市的规划建设提供参考。